Uma Revisão Sistemática da Literatura sobre Redes Neurais Profundas para Previsão de Geração Eólica Identificando Lacunas Potenciais

Resumo

Segundo o Boletim Diário da Operação – BDO (ONS, 2020), na seção Balanço de Energia Diário, especificamente na região Nordeste do Brasil, a contribuição diária de geração eólica no ano 2020, vem representando o 55,95% da carga total do consumidor, sendo a maior contribuição quando comparado com as porcentagens de geração pelas fontes hidráulica, térmica e solar. No setor elétrico brasileiro existe a exigência que as previsões de geração eólica sejam feitas pelo ONS (Operador Nacional do Sistema Elétrico) e opcionalmente pelas empresas elétricas envolvidas, com a finalidade de elaborar diariamente o planejamento (do próximo dia) no Programa Diário de Previsão – PDP. No entanto o PDP tem um grande problema o qual está associado ao erro na projeção da previsão de geração eólica, o qual impacta diretamente na compensação da geração de potência. Por exemplo, se uma projeção tivesse uma variação do vento muito brusca então isso se refletiria num grande erro de previsão de geração eólica, o que por sua vez, implicaria na compensação de geração usando outras fontes. Isto é prejudicial para o sistema elétrico, já que, compensar com térmica ou hidráulica tem suas particularidades técnicas e econômicas. Para Dittner e Vasel (2019), um dos maiores retos na previsão de geração eólica é a sua variabilidade associada à pergunta: Qual a porcentagem de geração eólica em certo instante ou horizonte de tempo?. Isto é porque a geração eólica é inerentemente dependente do comportamento variável da atmosfera, o qual implica que o vento possua direção e velocidade não constantes ao longo do tempo. Segundo o APS (2011), esta característica dificulta estabelecer uma estimativa acurada da produção de geração elétrica (advinda de parques eólicos), a qual é uma das condições indispensáveis, para se integrar na rede elétrica de maneira confiável. Pelo exposto, existe a necessidade justificada de investigar e implementar novos modelos computacionais para previsão de geração eólica com a menor taxa de erro possível, visando habilitar aos parques eólicos abordar assuntos de variabilidade e preditibilidade para assim, poderem participar no mercado elétrico, da mesma forma que outras fontes de energia o fazem. Assim sendo, vem sendo executados diversas atividades para o desenvolvimento de um artigo do tipo de Revisão Sistemática da Literatura (RSL) associando principalmente o problema de Previsão de Geração Eólica (PGE) e Redes Neurais Profundas (RNPs) com o objetivo geral de identificar novos potenciais caminhos de pesquisa futura. Como primeiro passo metodológico, para atingir tal objetivo geral, foi elaborado uma primeira versão do Protocolo da Revisão Sistemática (PRS) no qual se especificam as bases de dados digitais usadas, as palavras-chave, a string de busca, os critérios e inclusão e exclusão, as perguntas de pesquisa e de qualidade. Uma vez finalizado o PRS, irá se criar o artigo de RSL contendo um estudo exaustivo de RNPs no contexto de PGE, salientando as suas principais vantagens e desvantagens. Por outro lado, como resultados preliminares, no PRS, obteve-se um total de 2690 artigos encontrados do tipo conferência e de revista no horizonte de tempo de 2015 a 2020, os quais estão sendo analisados com a finalidade de responder às perguntas de pesquisa e mapear as principais vantagens e desvantagens de arquiteturas baseadas em RNP no tratamento do problema PGE. Uma vez concluída a revisão sistemática, pretende-se publicar dita RSL contendo como resultados o estado atual da pesquisa no horizonte de tempo 2015 – 2020, os principais desafios encontrados e possíveis diretrizes de pesquisa futura sobre PGE notadamente de RNPs.